[发明专利]一种基于对抗式生成网络的宫颈细胞图像分割方法

摘要

本发明公开了一种基于对抗式生成网络的宫颈细胞图像分割方法，包括细胞图像粗分割，所述细胞图像粗分割对原始图像使用阈值法和分水岭算法进行粗分割，作为指导因子，同时将原像裁剪成小图；生成虚体分割图像，所述生成虚体分割图像是使用结合自编码器设计的对抗式生成网络，以裁剪后小图为输入，指导因子帮助神经网络定位感兴趣区域来生成；实体细胞图像提取，所述实体细胞图像提取是根据虚体分割图像从裁剪小图中提取出真实的细胞图像。本发明所述的基于对抗式生成网络的宫颈细胞图像分割方法，是首次使用对抗式生成网络来解决此类问题，提供了一种全新的自动的细胞图像分割的方法，同时解决了传统方法分割重叠细胞时的成分缺失。

主权项

1.一种基于对抗式生成网络的宫颈细胞图像分割方法，其特征在于：包括宫颈细胞图像粗分割，宫颈细胞图像粗分割首先运用自适应阈值法进行细胞核分割，并通过细胞核周长、面积、凸性以及矩形度对细胞核进行筛选，然后以分割的细胞核作为种子点，使用分水岭算法分割原始图像得到分割不完整的宫颈单细胞图像，放入校准集，之后通过校准集图像提供的位置信息从原始图像中裁剪出只包含单个细胞的小尺寸图像放入背景集，最后手动从背景集图片中提取出完整的单细胞图片放入为对照集以便用于训练；虚体的细胞分割图像生成，本发明所述的虚体的分割细胞图像生成，运用的是对抗式生成网络，整个流程为：生成器G在校准集数据c，也就是指导因子的引导下，在背景集数据b中定位感兴趣区域，并以此生成被分割细胞图像的虚体图像s，在对网络进行训练时，生成的虚体图像通过在判别器D中与对照集数据t进行相似性评判以及使用欧式距离损失函数直接同对照集数据进行比对，由此帮助训练生成器生成更加精确的细胞分割虚体图像，同时，为了加快运算速度，在计算欧式距离损失函数之前，我们利用均匀池化层分别对生成的虚体图片以及来自对照集的细胞图片进行了降维处理；实体细胞图像提取，将生成的虚体细胞图像进行二值化处理，再通过与对应的背景集图像进行矩阵点积操作得到最终的细胞分割结果，需注意的是，实体图像的提取仅应用于模型训练完成之后。本发明中对抗式生成网络训练使用的联合代价函数可以表示为：Ltot＝αLsmi+βLadv  (1)其中，式(2)中分别代表降维后的对照集图像以及生成的虚体图像，式(3)中代表生成器输入图片与指导因子之间的对应特征图加运算。